CN109522786B - 基于3d摄像头的动态人脸配准方法 - Google Patents
基于3d摄像头的动态人脸配准方法 Download PDFInfo
- Publication number
- CN109522786B CN109522786B CN201811125924.9A CN201811125924A CN109522786B CN 109522786 B CN109522786 B CN 109522786B CN 201811125924 A CN201811125924 A CN 201811125924A CN 109522786 B CN109522786 B CN 109522786B
- Authority
- CN
- China
- Prior art keywords
- dimensional face
- registered
- point
- face
- person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Abstract
本发明属于人脸配准领域,尤其是基于3D摄像头的动态人脸配准方法,针对现有的现有人脸配准时无法精准找取人脸上不变特征,导致配准精度和质量不高问题,现提出如下解决方案,包括包括以下步骤:S1,注册基准人个人信息,并建立基准人的基准三维人脸模型,同时对基准三维人脸模型建立空间坐标系;S2,将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二。通过将匹配点一和匹配点二分别与基准点一和基准点二重合来进行待配准三维人脸的初步定位,以重合后的基准点一和基准点二的连线为轴旋转待配准三维人脸,能够降低配准误差,使得配准精度更高,同时也降低了配准步骤,提高了配准效率。
Description
技术领域
本发明涉及人脸配准技术领域,尤其涉及基于3D摄像头的动态人脸配准方法。
背景技术
人类对安全性考虑的增加使得人脸识别技术已经成为研究者关注的重点。在人脸识别技术中特征的提取技术起着关键的作用,这是因为三维人脸识别技术的实质是把人脸用特征来抽象的表示然后基于特征进行识别。目前常见的特征提取方法有基于二维人脸照片的也有基于三维人脸数据的。三维数据的信息量要远比二维照片丰富。加之三维人脸数据相比二维数据不受光照、姿态、表情等的影响,因此越来越多的研究者转向了三维人脸特征提取方面,配准方法的实质就是寻找人脸模型与基准模型的对应关系,根据采用的对应关系的方法的不同,可以分为整体配准和逐片配准两大类,对于人脸配准时找取人脸上不会因为干扰因素变化而变化的特征是人脸配准过程中非常必要的过程,以此不变的特征为基础对人脸进行配准可以提高人脸配准的精度,为此,此特征找取不正确不到位会影响到人脸的配准精度和质量,为此,需要伸入研究。
发明内容
本发明提出的基于3D摄像头的动态人脸配准方法,解决了现有人脸配准时无法精准找取人脸上不变特征,导致配准精度和质量不高的问题。
为了实现上述目的,本发明采用了如下技术方案:
基于3D摄像头的动态人脸配准方法,包括以下步骤:
S1,注册基准人个人信息,并建立基准人的基准三维人脸模型,同时对基准三维人脸模型建立空间坐标系;
S2,将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二,将基准三维人脸的两个眉毛进行连线获得基准线三;
S3,将基准线一与基准线二的交叉点设置为基准点一,将基准线一与基准线三的交叉点设置为基准点二;
S4,将基准三维人脸的眉、眼、耳、鼻、口和脸部轮廓分别设置基准特征点,得到眉、眼、耳、鼻、口和脸部轮廓的基准特征点,并测出基准特征点位于空间坐标系中的坐标阈值,获得基准特征点坐标阈值;
S5,通过3D摄像头实时采集待配准人的人脸动态视频信息获得视频信息,将视频信息按照时间帧转化成图片序列获得图片序列一,对图片序列一进行筛选,筛选出属于同一个人的图片获得图片序列二,对获得的图片序列二建立待配准三维人脸模型;
S6,将待配准三维人脸模型输入基准三维人脸模型所在的空间坐标系中,对待配准三维人脸模型依次重复S2和S3步骤获得匹配点一、匹配点二,重复步骤S4获得待配准三维人脸模型的眉、眼、耳、鼻、口和脸部轮廓的匹配特征点;
S9,将待配准三维人脸模型的匹配点一与基准三维人脸模型的基准点一重合,并将待配准三维人脸模型的匹配点二与基准三维人脸模型的基准点二重合;
S10,旋转重合后的待配准三维人脸模型使待配准三维人脸模型的鼻部匹配特征点与基准三维人脸的鼻部基准特征点重合,之后输出此时,输出眉、眼、耳、口和脸部轮廓的匹配特征点位于空间坐标系中的坐标阈值,获得特征点配准坐标阈值;
S11,判断特征点配准坐标阈值是否落入对应的基准特征点坐标阈值内,若否,则判断基准人与待识别人不属于同一人,若是则计算落入比率值;
S12,判断落入比率值是否大于设定阈值,若是则配准成功,判断为基准人与待配准人为同一人,若不是,则判断基准人与待配准人不属于同一人。
优选的,所述步骤S1中空间坐标系的建立包括以下步骤:
以基准人脸模型的鼻尖为坐标原点;
以过坐标原点的质心线为Y轴线;
以过坐标原点的水平线为X轴线;
以过坐标原点并垂直X-Y面的延伸线为Z轴线。
优选的,所述步骤S3的交叉点为基准线二和基准线三分别向着基准线一平移后与基准线一交叉形成的点。
优选的,所述步骤S2具体为将基准三维人脸的鼻尖顶点与额头中点进行连线获得基准线一,将基准三维人脸的两个眼睛的内眼角进行连线获得基准线二,将基准三维人脸的两个眉毛的眉根点进行连线获得基准线三。
优选的,所述步骤S10中待配准三维人脸模型是以匹配点一与匹配点二的连线为轴进行旋转。
优选的,所述步骤S9和步骤S10之间还包括对待配准三维人脸模型的匹配特征点进行识别,匹配特征点识别后进入步骤S10。
与现有技术相比,本发明的有益效果是:通过将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二,将基准三维人脸的两个眉毛进行连线获得基准线三,基准线二和基准线三分别向着基准线一平移后与基准线一交叉形成的基准点一和基准点二,将待配准三维人脸通过相同的步骤设置匹配点一、匹配点二,通过将匹配点一和匹配点二分别与基准点一和基准点二重合来进行待配准三维人脸的初步定位,匹配点一和匹配点二在待配准三维人脸模型上的位置不会因为干扰因素的变化而变化,以重合后的基准点一和基准点二的连线为轴旋转待配准三维人脸,能够降低配准误差,使得配准精度更高,同时也降低了配准步骤,提高了配准效率。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
基于3D摄像头的动态人脸配准方法,包括以下步骤:
S1,注册基准人个人信息,并建立基准人的基准三维人脸模型,同时对基准三维人脸模型建立空间坐标系;
S2,将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二,将基准三维人脸的两个眉毛进行连线获得基准线三;
S3,将基准线一与基准线二的交叉点设置为基准点一,将基准线一与基准线三的交叉点设置为基准点二;
S4,将基准三维人脸的眉、眼、耳、鼻、口和脸部轮廓分别设置基准特征点,得到眉、眼、耳、鼻、口和脸部轮廓的基准特征点,并测出基准特征点位于空间坐标系中的坐标阈值,获得基准特征点坐标阈值;
S5,通过3D摄像头实时采集待配准人的人脸动态视频信息获得视频信息,将视频信息按照时间帧转化成图片序列获得图片序列一,对图片序列一进行筛选,筛选出属于同一个人的图片获得图片序列二,对获得的图片序列二建立待配准三维人脸模型;
S6,将待配准三维人脸模型输入基准三维人脸模型所在的空间坐标系中,对待配准三维人脸模型依次重复S2和S3步骤获得匹配点一、匹配点二,重复步骤S4获得待配准三维人脸模型的眉、眼、耳、鼻、口和脸部轮廓的匹配特征点;
S9,将待配准三维人脸模型的匹配点一与基准三维人脸模型的基准点一重合,并将待配准三维人脸模型的匹配点二与基准三维人脸模型的基准点二重合;
S10,旋转重合后的待配准三维人脸模型使待配准三维人脸模型的鼻部匹配特征点与基准三维人脸的鼻部基准特征点重合,之后输出此时,输出眉、眼、耳、口和脸部轮廓的匹配特征点位于空间坐标系中的坐标阈值,获得特征点配准坐标阈值;
S11,判断特征点配准坐标阈值是否落入对应的基准特征点坐标阈值内,若否,则判断基准人与待识别人不属于同一人,若是则计算落入比率值;
S12,判断落入比率值是否大于设定阈值,若是则配准成功,判断为基准人与待配准人为同一人,若不是,则判断基准人与待配准人不属于同一人。
步骤S1中空间坐标系的建立包括以下步骤:
以基准人脸模型的鼻尖为坐标原点;
以过坐标原点的质心线为Y轴线;
以过坐标原点的水平线为X轴线;
以过坐标原点并垂直X-Y面的延伸线为Z轴线。
步骤S3的交叉点为基准线二和基准线三分别向着基准线一平移后与基准线一交叉形成的点,步骤S2具体为将基准三维人脸的鼻尖顶点与额头中点进行连线获得基准线一,将基准三维人脸的两个眼睛的内眼角进行连线获得基准线二,将基准三维人脸的两个眉毛的眉根点进行连线获得基准线三,步骤S10中待配准三维人脸模型是以匹配点一与匹配点二的连线为轴进行旋转,步骤S9和步骤S10之间还包括对待配准三维人脸模型的匹配特征点进行识别,匹配特征点识别后进入步骤S10。
步骤S9中配准三维人脸模型的匹配点一与基准三维人脸模型的基准点一重合而待配准三维人脸模型的匹配点二与基准三维人脸模型的基准点二不重合,则配准失败,判断不属于同一人。
本发明通过将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二,将基准三维人脸的两个眉毛进行连线获得基准线三,基准线二和基准线三分别向着基准线一平移后与基准线一交叉形成的基准点一和基准点二,将待配准三维人脸通过相同的步骤设置匹配点一、匹配点二,通过将匹配点一和匹配点二分别与基准点一和基准点二重合来进行待配准三维人脸的初步定位,匹配点一和匹配点二在待配准三维人脸模型上的位置不会因为干扰因素的变化而变化,以重合后的基准点一和基准点二的连线为轴旋转待配准三维人脸,可以降低配准误差,使得配准精度更高。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于3D摄像头的动态人脸配准方法,其特征在于,包括以下步骤:
S1,注册基准人个人信息,并建立基准人的基准三维人脸模型,同时对基准三维人脸模型建立空间坐标系;
S2,将基准三维人脸的鼻尖与额头进行连线获得基准线一,将基准三维人脸的两个眼睛进行连线获得基准线二,将基准三维人脸的两个眉毛进行连线获得基准线三;
S3,将基准线一与基准线二的交叉点设置为基准点一,将基准线一与基准线三的交叉点设置为基准点二;
S4,将基准三维人脸的眉、眼、耳、鼻、口和脸部轮廓分别设置基准特征点,得到眉、眼、耳、鼻、口和脸部轮廓的基准特征点,并测出基准特征点位于空间坐标系中的坐标阈值,获得基准特征点坐标阈值;
S5,通过3D摄像头实时采集待配准人的人脸动态视频信息获得视频信息,将视频信息按照时间帧转化成图片序列获得图片序列一,对图片序列一进行筛选,筛选出属于同一个人的图片获得图片序列二,对获得的图片序列二建立待配准三维人脸模型;
S6,将待配准三维人脸模型输入基准三维人脸模型所在的空间坐标系中,对待配准三维人脸模型依次重复S2和S3步骤获得匹配点一、匹配点二,重复步骤S4获得待配准三维人脸模型的眉、眼、耳、鼻、口和脸部轮廓的匹配特征点;
S9,将待配准三维人脸模型的匹配点一与基准三维人脸模型的基准点一重合,并将待配准三维人脸模型的匹配点二与基准三维人脸模型的基准点二重合;
S10,旋转重合后的待配准三维人脸模型使待配准三维人脸模型的鼻部匹配特征点与基准三维人脸的鼻部基准特征点重合,之后输出眉、眼、耳、口和脸部轮廓的匹配特征点位于空间坐标系中的坐标阈值,获得特征点配准坐标阈值;
S11,判断特征点配准坐标阈值是否落入对应的基准特征点坐标阈值内,若否,则判断基准人与待识别人不属于同一人,若是则计算落入比率值;
S12,判断落入比率值是否大于设定阈值,若是则配准成功,判断为基准人与待配准人为同一人,若不是,则判断基准人与待配准人不属于同一人。
2.根据权利要求1所述的基于3D摄像头的动态人脸配准方法,其特征在于,所述步骤S1中空间坐标系的建立包括以下步骤:
以基准人脸模型的鼻尖为坐标原点;
以过坐标原点的质心线为Y轴线;
以过坐标原点的水平线为X轴线;
以过坐标原点并垂直X-Y面的延伸线为Z轴线。
3.根据权利要求1所述的基于3D摄像头的动态人脸配准方法,其特征在于,所述步骤S3的交叉点为基准线二和基准线三分别向着基准线一平移后与基准线一交叉形成的点。
4.根据权利要求1所述的基于3D摄像头的动态人脸配准方法,其特征在于,所述步骤S2具体为将基准三维人脸的鼻尖顶点与额头中点进行连线获得基准线一,将基准三维人脸的两个眼睛的内眼角进行连线获得基准线二,将基准三维人脸的两个眉毛的眉根点进行连线获得基准线三。
5.根据权利要求1所述的基于3D摄像头的动态人脸配准方法,其特征在于,所述步骤S10中待配准三维人脸模型是以匹配点一与匹配点二的连线为轴进行旋转。
6.根据权利要求1所述的基于3D摄像头的动态人脸配准方法,其特征在于,所述步骤S9和步骤S10之间还包括对待配准三维人脸模型的匹配特征点进行识别,匹配特征点识别后进入步骤S10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811125924.9A CN109522786B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811125924.9A CN109522786B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522786A CN109522786A (zh) | 2019-03-26 |
CN109522786B true CN109522786B (zh) | 2021-05-07 |
Family
ID=65769835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811125924.9A Active CN109522786B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522786B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852150B (zh) * | 2019-09-25 | 2022-12-20 | 珠海格力电器股份有限公司 | 一种人脸验证方法、系统、设备及计算机可读存储介质 |
CN112729039A (zh) * | 2020-10-27 | 2021-04-30 | 天津市计量监督检测科学研究院 | 一种螺纹规用计量校准方法 |
CN112288725B (zh) * | 2020-10-30 | 2021-11-02 | 李艳 | 颅骨中轴垂线的确定方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320485A (zh) * | 2008-06-03 | 2008-12-10 | 东南大学 | 一种基于立体匹配的人脸三维模型获取方法 |
CN103606190A (zh) * | 2013-12-06 | 2014-02-26 | 上海明穆电子科技有限公司 | 单张人脸正面照片自动转换为三维人脸模型的方法 |
CN103927515A (zh) * | 2014-04-08 | 2014-07-16 | 章建国 | 三维动态人脸比对方法 |
CN104268932A (zh) * | 2014-09-12 | 2015-01-07 | 上海明穆电子科技有限公司 | 3d脸型自动变化方法及系统 |
CN104794487A (zh) * | 2015-04-16 | 2015-07-22 | 重庆大学 | 一种基于颅像重合原理的照片与照片的同一认定方法 |
CN106327482A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的面部表情的重建方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014144408A2 (en) * | 2013-03-15 | 2014-09-18 | Nito, Inc. | Systems, methods, and software for detecting an object in an image |
-
2018
- 2018-09-26 CN CN201811125924.9A patent/CN109522786B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320485A (zh) * | 2008-06-03 | 2008-12-10 | 东南大学 | 一种基于立体匹配的人脸三维模型获取方法 |
CN103606190A (zh) * | 2013-12-06 | 2014-02-26 | 上海明穆电子科技有限公司 | 单张人脸正面照片自动转换为三维人脸模型的方法 |
CN103927515A (zh) * | 2014-04-08 | 2014-07-16 | 章建国 | 三维动态人脸比对方法 |
CN104268932A (zh) * | 2014-09-12 | 2015-01-07 | 上海明穆电子科技有限公司 | 3d脸型自动变化方法及系统 |
CN104794487A (zh) * | 2015-04-16 | 2015-07-22 | 重庆大学 | 一种基于颅像重合原理的照片与照片的同一认定方法 |
CN106327482A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的面部表情的重建方法及装置 |
Non-Patent Citations (2)
Title |
---|
三维人脸形体匹配与属性分类研究;胡媛;《中国优秀博士学位论文全文数据库信息科技辑》;20111215;全文 * |
基于不变性特征的三维人脸识别研究;明悦;《中国优秀博士学位论文全文数据库信息科技辑》;20130515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109522786A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522786B (zh) | 基于3d摄像头的动态人脸配准方法 | |
CN105809144B (zh) | 一种采用动作切分的手势识别系统和方法 | |
CN106327482B (zh) | 一种基于大数据的面部表情的重建方法及装置 | |
CN103606190B (zh) | 单张人脸正面照片自动转换为三维人脸模型的方法 | |
CN111414780A (zh) | 一种坐姿实时智能判别方法、系统、设备及存储介质 | |
CN105374055A (zh) | 图像处理方法及装置 | |
CN105046246A (zh) | 可进行人像姿势拍摄提示的证照相机及人像姿势检测方法 | |
US11120535B2 (en) | Image processing method, apparatus, terminal, and storage medium | |
CN103456008A (zh) | 一种面部与眼镜匹配方法 | |
CN104361131B (zh) | 四维人脸模型数据库的建立方法 | |
CN109147012B (zh) | 图像处理方法和装置 | |
CN112232310A (zh) | 一种用于表情捕捉的人脸识别系统和方法 | |
CN109858433B (zh) | 一种基于三维人脸模型识别二维人脸图片的方法及装置 | |
CN111311733A (zh) | 三维模型处理方法及装置、处理器、电子设备及存储介质 | |
CN110363052B (zh) | 确定图像中的人脸姿态的方法、装置及计算机设备 | |
CN112836566A (zh) | 针对边缘设备的多任务神经网络人脸关键点检测方法 | |
CN113705466A (zh) | 用于遮挡场景、尤其高仿遮挡下的人脸五官遮挡检测方法 | |
CN110188630A (zh) | 一种人脸识别方法和相机 | |
CN102968636A (zh) | 一种人脸轮廓的提取方法 | |
CN112069954A (zh) | 一种活体微表情检测方法及系统 | |
CN110909571A (zh) | 一种高精度面部识别空间定位方法 | |
CN109255327A (zh) | 人脸特征信息的获取方法、脸部整形手术评价方法及装置 | |
CN106909880A (zh) | 人脸识别中的人脸图像预处理方法 | |
CN112364711B (zh) | 3d人脸识别方法、装置及系统 | |
CN114724209A (zh) | 模型训练方法、图像生成方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220104 Address after: 519000 room 105-18456, No. 6, Baohua Road, Hengqin new area, Zhuhai, Guangdong Patentee after: Zhuhai hengqinjing tongrongzhi Technology Information Co.,Ltd. Address before: 519000 room 105-23329, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Patentee before: ZHUHAI HENGQIN XIANLIANSHENG TECHNOLOGY DEVELOPMENT Co.,Ltd. Patentee before: Zhuhai Hengqin Xianlian Financial Technology Co., Ltd |